标题:
Html源文件中image标签的析取
[打印本页]
作者:
admin
时间:
2008-1-19 23:31
标题:
Html源文件中image标签的析取
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
& V: f) E% e, y$ |' l
/ ]1 A1 Z% r9 |1 Q4 r: n
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
7 o7 n2 Z- J5 v. V' e6 ?
* E' k; R* B, P
1 E. w0 K* q3 o3 I. X! O
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 f% _ ?1 q8 Z2 A1 t
输入网址＜input type=text name=filename＞＜br＞
+ I3 Y/ T4 l, G# O- n9 Y/ y* J2 x
＜input type=submit name=submit value="提交"＞
o) d/ m. w2 ]5 x9 r* ~
＜/form＞
6 Z/ j+ a. H" ]0 l6 J; c
) a+ Y* Y9 {6 b& H/ X' ?# Q
5 R3 j: o! |; G1 K/ R; m1 x
输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
8 [0 F9 _4 w; w6 q' B
# j1 h8 }3 A* y; D
+ s0 z- F# I* O f% ~2 w/ @
＜?php
6 O% o) v0 L& P
if ($filename!=""){
! p6 v, Z% h6 n9 K! t8 C8 q
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 }' b6 f1 |7 {: W& f0 y# d
while ($buffer = fgets($fp, 1024)) {
1 Y4 F8 A* P1 F' [. ?
$source .=$buffer; }
* u8 E3 S9 @# }) d' w! l
fclose($fp);
- g1 [' t9 k' _
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
2 y+ v! e( s% Y$ R3 T! F, }) Y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
5 G: ?2 m9 T- t( i9 Y2 ]
echo "找到图片标签:)＜br＞";}
# W z% ?6 {9 i) q
else{
) O' i/ T& J0 Y) ]0 e
echo "未发现图片标签:(＜br＞";}
, h/ r8 ?; y/ P+ m X; e) B
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
; V# M. U: {8 X, Y- \* f! \
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
" {6 S d. z0 M' c, y i: d2 o: ~
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 |, _3 B6 V: a" a% i# @& I
for($i=1;$i＜sizeof($splitres);$i++){
' [$ E# ]% g7 R \/ D
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
( m% j7 M! f# u3 [
unset($imgname); // 再次使用前删除imgname变量；
0 f; S& r$ I1 U" S9 G% p1 S: ?- I
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
* D3 c( E3 V. B/ }+ n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
& B3 a3 b0 U2 F4 @* N, w A0 \
}
8 Z0 D: A4 T: } u- L, s4 H
}
! v1 T2 U V+ |! y/ V
?＞
K1 S3 J5 H6 B7 ~" C
- ~ N$ f3 A! \# @# _" B
8 `; n* E0 ~5 f. z& M
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 B! Y. y+ b( b4 Y% c) y
# V3 J6 m E" Y0 P8 I
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
5 x6 m0 r. d f$ S! a/ s- o
& B6 z; m5 i5 \( V0 [
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
! r. F/ C# n) Z
4 P4 X% {& M ~; \0 p2 W
如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？
欢迎光临 捌玖网络工作室 (http://www.89w.org/)
Powered by Discuz! 7.2
